- Руководства по пользованию программами
- Операционные системы и утилиты для ПК
- Интернет
- Графика. Дизайн. Проектирование
- Программы и утилиты для цифровых устройств
- Железо ПК
- Информатика
- Сети и коммуникации
- Бухгалтерия
- Базы данных
- Анализ данных
- Электронная бухгалтерия
- Машинное обучение. Анализ данных
- Менеджмент в IT
Глубокое обучение (цветная) (Бенджио Иошуа, Гудфеллоу Ян, Курвилль Аарон); ДМК-Пресс, 2018
3644 грн.
- Издатель: ДМК-Пресс
- ISBN: 978-5-97060-618-6
EAN: 9785970606186
- Книги: Машинное обучение. Анализ данных
- ID: 1814110
Описание
Основы прикладной математики и машинного обучения
Теория вероятности и теория информации
Оценка максимального правдоподобия
Современные подходы к глубоким сетям
Регуляризация в глубоком обучении
Оптимизация в обучении глубоких моделей
Моделирование последовательностей
Исследования по глубокому обучению
Структурные вероятностные модели в глубоком обучении
Преодоление трудностей, связанных со статической суммой
Глубокое обучение - это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры.
Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.
Книга издана в цвете и в твердом переплете.
2-е цветное издание, исправленное.
Видео Обзоры (2)
Глубокое обучение. Лекция 1. Введение в глубокое обучение (курс "Deep Learning", 2019-2020)
Введение в глубокое обучение. Лекция 1 по Deep Learning.
Характеристики (20)
Параметр | Значение |
---|---|
Автор(ы) | Бенджио Иошуа, Гудфеллоу Ян, Курвилль Аарон |
Издатель | ДМК-Пресс |
Год издания | 2018 |
Возрастные ограничения | 12 |
Кол-во страниц | 652 |
Раздел | Программирование |
ISBN | 978-5-97060-618-6 |
Количество страниц | 652 |
Формат | 70х100/16 |
Вес | 1.17кг |
Размеры | 70x100 1/16 |
Обложка | твердый переплёт |
Язык издания | rus |
Возрастное ограничение | 16+ |
Тип обложки | твердая |
Издательство | ДМК Пресс |
Жанр | программирование |
Автор | без автора |
Страниц | 652 |
Тематика | Программирование |
Цены (1)
Цена от 3644 грн. до 3644 грн. в 1 магазинах
Магазин | Цена | Наличие |
---|---|---|
Купить в кредит (2)
Компания | Предложение |
---|---|
Полезные онлайн-сервисы
Компания | Предложение |
---|
Отзывы (10)
- Филин Яков — 30 Ноября 2017
Сегодня получил это издание. В отличие от первой версии радует исправление многих смысловых ошибок и повышение качества перевода. Максимально приближена к оригиналу Гудфеллоу
То, что книга в цвете -несомненный плюс. Спасибо издательству за оперативные исправление и внимание к такому важному для deep-learning специалистов труду00 - Глазырин Андрей — 14 Января 2018
Сегодня получил эту великолепную книгу - море положительных эмоций:
1. Ничего лучше по тематике в области глубокого обучения нет, причем Вас как ребенка проведут от самых азов (линейная алгебра, анализ, теория вероятностей и другой мат. аппарат) до перспективных разработок и будущего ИИ на основе нейронных сетей
2. Материал по подаче больше напоминает учебник для ВУЗов, местами очень академические выкладки
3. Практических примеров Вы не увидите т.к. книга не ставит своей целью что-то разработать с нуля и т.д. - больше теоретического материала и углубленная информация по глубокому обучению
4. В переводе не заметил очень серьезных огрехов
5. Книга - твердая обложка, плотные страницы, цветные иллюстрации
6. Еще раз повторюсь, главное достоинство это лучший фундаментальный труд по глубокому обучению, ничего лучше нет особенно в русскоязычной среде.00 - Егор Петров — 7 Марта 2020
Эта книга чрезвычайно переоценена. Она плохо структурирована, объяснения простых вещей сделаны максимально сложными.
Ощущение такое что три автора просто скинули вместе имеющиеся материалы для университетсткого курса, плюс дополнили их крайне поверхностными (но при этом все равно трудным для чтения) обзором литературы.
Попытка привязать графические модели типа байесовских сетей к нейронным сетям тоже выглядит как упражнение, возможно интересное авторам книги, но вовсе не обязательное и не приносящее, на мой взгляд, никакой практической пользы.
Ставлю 8/10 только из уважения к авторам.00 - Victor Patrinov — 10 Января 2018
Мне книга понравилась.Она своего рода пособие по машинному обучению .Так же она поможет разобраться читателю в том, как создаются нейронные сети, введет в такое важное направление математики как линейная алгебра.
00 - Максим Венедиктов — 12 Января 2018
Книга очень важная для понимания глубокого обучения нейронных сетей.
Написана доступным языком и все очень понятно расписано. Один из лучших вариантов в данной тебе. Рекомендую всем кто постигает машинное обучение и нейронные сети. Хотелось бы видеть в книге бы еще примеры например на Pytone.00 - Максим Венедиктов — 12 Января 2018
Великолепное пособие по глубокому обучению. Рекомендую всем тем кто начал постигать столь увлекательную тему. С учетом, что русскоязычных книг по данной теме не так уж и много, эту книгу с легкостью можно ставить номер один среди имеющихся.
00 - Никита Ильиных — 16 Декабря 2019
Отличная книга для тех, кто хочет погрузиться в математический мир глубокого обучения. Начинал читать на официальном сайте на английском, хотел продолжить на литресе на русском, но меня удивило, что перевод стоит приличных денег.
00 - Денис Лесник — 1 Июня 2020
Книга – одна из самых лучших, что я встретил на пути изучения нейронных сетей. Во-первых, напоминаются математические основы машинного обучения. Именно напоминаются. Я потратил не один вечер на отдельные учебники по математике, чтобы вспомнить конкретные темы в достаточном качестве. Но в этой книге они даются в нужном порядке и по делу.
Это явно не публицистика, так как внутри много хардкорных вещей.
Ну и уже после прочтения половины книги я понял, что Гудфеллоу – это тот самый Ian Goodfellow, книги которого рекомендуются к прочтению при изучении темы.00 - leyzi-small — 16 Января 2018
Нового ничего в книге не увидела. Америку не откроет книга, если вы учились на технической специальности. Все ранее было описано и прочитано в других учебниках. Причем доступных и бесплатных. Единственный плюс книги – собрано то, что сейчас актуально и может быть убрано устаревшее.
Если для тех, кто ранее не сталкивался с IT, то минус огромный, что по тем же матрицам, например, не приведены примеры практические с цифрами. Если человек не в теме, то голая теория не поможет.
Не знаю, не однозначное впечатление от книги. Вроде все хорошо, но супер пользы и целевой аудитории не вижу.00 - Don Serjio — 26 Июля 2019
Весьма внушительная книга.
Рассматриваются вопросы связанные с глубоким обучением (DL).
Даже беглого взгляда на содержание достаточно, чтобы получить представление о широте рассматриваемых тем. Книга содержит теоретический материал (в основном). Много математики.
Книга разделена на 3 части.
В первой части даётся матчасть.
Вторая и третья посвящены непосредственно глубокому обучению и исследованию в этой области.
В общем книга будет полезна для укрепления и расширения фундаментальных знаний в области Глубокого обучения, основываясь на твёрдом математическом фундаменте.
По оформлению.
Твёрдая обложка, белый офсет. Цветная печать. Схемы и формулы чёткие, рисунки цветные, но качество не очень (в любом случае при ч/б печати было бы весьма сложно что-то разобрать, а здесь хотя бы различимы детали и т.п.).
Для ознакомления несколько тем из книги.00